信息化的快速发展,提升了其在各个行业的应用深度。作为能源转换与输送的重要环节,电网成为整个国家工业化与经济发展的重要纽带。疫情进入新阶段以后,经济进入了快速复苏期,各种接入电网的用电终端数量越来越多,传统的电网管理方式已经不能适应当前的场景。在此场景下,采用智能电网新技术,将目前大数据、物联网、智能控制等技术进行集成与管理,实现整个电网的高效、安全管控,提升整个电网的信息化程度与能力。本文的主要工作包括以下几个方面:（1）提出一种基于Keras深度学习框架与Spark相结合的框架模型的电网大数据实时流处理方法。在Keras训练模型时通过Spark计算节点可以直接从分布式文件系统HDFS中获取数据来进行分布式的训练,再利用模型进行异常数据检测的时候能够实现分布式检测,提高计算效率,在Spark扩展深度学习能力,实现深度学习的分布式计算。（2）提出一种基于注意力机制的GRU算法。整个算法的处理充分考虑到数据的周期性、倾向性及关联性等方面的内容,整个处理架构分为五层,能够完成历史电荷数据信息的预处理,采用CNN算法完成输入特征的提取、降维分析等操作,采用注意力机制提升重要信息的影响力,以此完成电网负荷数据的信息的分析与预测。结合整个扬州市的真实负荷数据信息进行分析预测,仿真实验结果为:结合注意力机制的GRU算法的预测误差较传统神经网络算法有显著的降低,计算准确度有显著的上升。（3）搭建基于云计算平台的电网运行数据分析系统。实现多源、繁杂的不同负荷类型的低压配电台区的大数据自动采集与整合,对配电运行状态进行监控、预警,并对运行故障进行诊断,结合深度学习实现对短期电网负荷的预测。基于物联网、大数据、云计算等信息技术来设计的电网运行数据分析系统,不仅能保证系统数据准确率,同时利用大数据分析和智能处理技术,为整个电网运行决策提供数字支撑。